STRIDE：リトリーバル拡張マルチホップ質問応答のための戦略的反復意思決定

要旨: 多段（Multi-hop）質問応答（MHQA）は、複数の文書に分散した根拠を検索し、推論することで、複雑なクエリに対して正確な回答を可能にします。既存のMHQA手法は主に、反復的な検索拡張生成に依存していますが、次の2つの主要な問題があります。1) 既存の手法は、基盤となる推論構造ではなく表層的なエンティティに早期にコミットしてしまうため、質問分解が語彙の曖昧性に対して非常に脆弱になります。2) 既存の手法は、推論ステップ間の論理的な依存関係を見落とし、その結果として協調の取れていない実行になってしまいます。これらの課題に対処するため、戦略的計画・動的制御・根拠に基づく実行を分離する枠組みSTRIDEを提案します。中核として、Meta-Plannerがまず、エンティティに依存しない推論のスケルトンを構築し、クエリの抽象的な論理を捉えます。これにより、推論構造が確立された後にエンティティのグラウンディングを行うことになり、早期の語彙コミットによって引き起こされる曖昧性解消エラーを軽減します。次にSupervisorが、依存関係を考慮した方法で下位質問の実行をオーケストレーションし、可能な場合は効率的に並列化し、必要な場合は逐次的に連携させます。さらに、新たな根拠を検索すべきか、既存の事実から推論すべきかを動的に判断することで、冗長なクエリを回避し、誤りの伝播も抑えます。同時に、分岐間の情報を統合し、失敗したクエリを再定式化することで堅牢性を高めます。根拠に基づく事実抽出と論理推論は、専門の実行モジュールに委譲し、検索と推論を明示的に分離することで忠実性を保証します。加えて、STRIDE-FTというモジュール型のファインチューニング枠組みを提案します。これは、STRIDEから自己生成した実行トラジェクトリを用い、人手による注釈も、より強力な教師モデルも必要としません。実験の結果、STRIDEは堅牢で正確な推論を達成し、STRIDE-FTはオープンソースのLLMを効果的に強化することが示されました。